辅助短语音条件下说话人确认系统的seq2seq模型
来源：计算机应用与软件杂志2025年第4期北京时间：
作者：杨爽, 马伯超, 杨宇, 陈丹
摘要：文本无关的说话人确认系统使用的测试语言时长越短效果越差。针对这种情况，提出增强声学特征的方法。使用基于seq2seq(Sequence to Sequence)的生成模型将短时声学特征生成更长的特征，其中，编码器用于提取深层特征，解码器输出声学特征，使用注意力机制来获取序列之间的关系。在训练时加入余弦距离损失来提升生成模型的泛化性能，将训练好的说话人确认模型作为生成模型训练架构的组件。实验结果表明，在1~3s语言时长下，采用该模型后等错误率平均降低7.78%。
关键词：说话人确认, 短时语音, seq2seq, 余弦距离损失
